摘要：精准、自动化的耕地非农化监测对严守耕地红线和保障社会经济的可持续发展具有重要意义。为精准监测建筑物和大棚房非法占用耕地现象并及时预警,本文提出了一种先验知识引导深度学习的耕地非农化监测方法。首先,根据“三调”数据库获取耕地的矢量范围和类别属性等先验知识;其次,利用前时相耕地矢量数据对后时相高分辨率遥感影像进行地块级分割,实现检测区域的快速定位;接着,使用本文设计的融入先验知识的潜在非农化图斑提取网络模型(SRAM-SegFormer)对潜在非农化图斑进行获取;最后,对提取结果进行镶嵌、重分类、叠加等后处理操作得到最终的耕地非农化监测结果。以徐州市沛县为研究区,对比分析常用的语义分割网络模型Deeplabv3+、PSPNet、U-Net、HRNet、SegFormer和本文设计的SRAM-SegFormer提取潜在非农化图斑的能力。实验结果表明:Deeplabv3+和PSPNet对复杂区域易出现漏检和误检现象;U-Net容易漏检大尺度的建筑物;HRNet提取的非农化图斑边界不规则;SegFormer对小尺度的建筑物和房提取能力较差,提取密集区域的建筑物和大棚房易出现粘连现象;SRAM-SegFormer提取的效果最佳,特别是针对小尺度的建筑物和大棚房的提取,在平均像素准确率(MPA)、平均交并比(MIoU)和总体精度(OA)上均取得了最高精度,分别为84.30%、73.76%和97.91%。因此,本文提出的方法能够更加高效、自动化的实现耕地非农化监测。

摘要：将二维表面增强拉曼(SERS)增强基底与甲胎蛋白适配体相结合,开展甲胎蛋白(AFP)超灵敏定量检测。通过修饰有甲胎蛋白适配体的二维SERS基底和修饰有适配体互补序列的银纳米粒子间的碱基互补配对耦联来构筑纳米间隙SERS"热点"。该适配体互补序列修饰有拉曼信号标记分子ROX,AFP的加入会破坏这种纳米间隙"热点"结构,导致标记分子SERS信号强度减弱,根据ROX的SERS光谱信号变化工作曲线实现对AFP的超灵敏定量检测。这种检测方法的检测限为145 fg/mL,较传统临床检测方法提高了一个数量级,此外,设计的这种AFP SERS探针具有良好的特异性与抗干扰性能。研究结果表明提出的新型检测方法很有可能为准确检测AFP提供一种快速、有效的分析手段。